Cum funcționează
- Adaugă videoclipul. Sunetul este extras pe calculatorul tău.
- Creează subtitrările. La prima utilizare, modelul de recunoaștere vocală este descărcat (circa 80 MB pentru Rapidă, 250 MB pentru Precisă) și păstrat în memoria cache a browserului — data viitoare pornește imediat. Recunoașterea rulează apoi pe procesorul tău; sunetul nu părăsește niciodată dispozitivul.
- Editează. Apasă pe un moment de timp ca să sari acolo, corectează textul din listă, șterge rânduri sau decalează toate subtitrările dacă apar prea devreme sau prea târziu.
- Salvează. Descarcă un fișier .srt sau .vtt ori salvează videoclipul cu subtitrările încorporate în imagine.
Încorporate sau fișier separat?
- Încorporate (open captions) — fac parte din imagine și se văd peste tot: Instagram, TikTok, LinkedIn, WhatsApp, orice televizor. Majoritatea videoclipurilor de pe rețelele sociale se urmăresc fără sunet, așa că aceasta este alegerea obișnuită pentru social media. Videoclipul este recodificat.
- .srt lângă videoclip (closed captions) — spectatorii le pot porni sau opri. Denumește-l ca videoclipul (
holiday.mp4+holiday.srt) și VLC, Plex, Kodi și majoritatea televizoarelor smart îl preiau automat. YouTube și Vimeo acceptă și încărcări SRT și VTT.
Cât de precis este?
Pentru vorbire clară într-o cameră liniștită, Whisper înțelege corect cele mai multe cuvinte; la nume, mărci și termeni tehnici vei avea de făcut corecturi. Muzica de fundal, mai multe persoane care vorbesc deodată și accentele puternice scad precizia. „Precisă” folosește un model mai mare și face vizibil mai puține greșeli, la aproximativ o treime din viteză.
Cât durează?
Pe un laptop obișnuit din ultimii ani, modelul Rapid procesează vorbirea de aproximativ 3–4 ori mai repede decât timpul real — un videoclip de 10 minute în circa 3 minute. Modelul Precis rulează cam în timp real. Calculatoarele mai vechi sau cu consum redus sunt mai lente; poți folosi alte file cât timp lucrează.
Limbi și traducere
Whisper recunoaște aproximativ 100 de limbi și detectează singur limba. Poate traduce vorbirea și în subtitrări în engleză: alege „engleză (traducere)” — util pentru a partaja un videoclip înregistrat într-o altă limbă cu un public vorbitor de engleză.
Privat prin construcție
Majoritatea generatoarelor de subtitrări îți încarcă videoclipul pe serverele lor și percep taxă pe minut. Aici modelul rulează local, în browser, deci nu există încărcare, limită de timp sau abonament — util pentru interviuri, ședințe interne și orice este confidențial.
Întrebări frecvente
Este gratuit?
Da, fără limite de minute, fără filigran și fără înregistrare.
Se încarcă videoclipul meu?
Nu. Doar modelul de recunoaștere vocală este descărcat o singură dată de pe Hugging Face; videoclipul și sunetul rămân pe calculatorul tău.
Care este diferența dintre SRT și VTT?
Ambele sunt fișiere de subtitrări în text simplu. SRT este acceptat de aproape orice player și televizor; VTT este standardul web folosit de playerele HTML5. Descarcă-l pe cel cerut de platforma ta.
Pot adăuga propriul fișier SRT și să îl încorporez?
Da — folosește „Importă SRT/VTT”, verifică sincronizarea și salvează videoclipul cu subtitrări încorporate.
De ce prima rulare este lentă?
Modelul de recunoaștere vocală trebuie descărcat o dată (80–250 MB). După aceea este păstrat în memoria cache a browserului.
Ultima actualizare: 30/10/2026